中文名：能源數據
英文名：Energy Data
核心：準確性、及時性和可靠性
用途：幫助企業做出科學、合理的決策
目錄
能源數據的定義
能源(yuan)(yuan)數據(ju)是指記錄和(he)(he)描(miao)述(shu)能源(yuan)(yuan)產業各個方面的(de)信息，包(bao)括能源(yuan)(yuan)生產、供應、消(xiao)費(fei)、儲備(bei)、價格、排放以(yi)及(ji)相關政策(ce)和(he)(he)技術的(de)數據(ju)。這些(xie)數據(ju)可以(yi)通過各種途徑收(shou)集(ji)和(he)(he)整理，如能源(yuan)(yuan)企業的(de)統(tong)計報表、政府部門的(de)調(diao)查和(he)(he)監(jian)測、國際組織的(de)發布數據(ju)等。
能(neng)源數(shu)據(ju)主要包(bao)括以下幾個類別：
- 能源產量和供應數據：這包括各種能源的產量、進口和出口量、儲備量等。能源產量數據反映了能源資源的開采和生產情況，供應數據則反映了能源的供應能力和穩定性。
- 能源消費和需求數據：這包括各個部門和行業的能源消費量、能源消費結構、能源需求預測等。能源消費數據可以用于評估能源利用效率，指導能源節約和優化能源結構。
- 能源價格數據：這包括各種能源的市場價格、價格趨勢、價格指數等。能源價格數據對于能源市場的運行和能源企業的經營決策具有重要的參考意義。
- 能源排放數據：這包括各種能源的二氧化碳排放量、污染物排放量等。能源排放數據是衡量能源產業對環境的影響和評估環境政策的重要指標。
- 能源政策和技術數據：這包括各國能源政策和法規、能源技術的研發和應用情況等。能源政策和技術數據可以幫助分析能源市場的政策環境和技術進步的影響。
能源數據(ju)的采集(ji)、整理和發布需要(yao)(yao)依靠能源部門、統計機構(gou)、研究機構(gou)等的協作和合作。同時，為了確(que)保數據(ju)的準(zhun)確(que)性和可比(bi)性，還需要(yao)(yao)建立統一的數據(ju)標準(zhun)和指標體(ti)系(xi)。
能(neng)(neng)(neng)源數據(ju)(ju)對(dui)于(yu)能(neng)(neng)(neng)源領域(yu)的(de)決策者、研究人員和企業來說具(ju)有重要(yao)的(de)意義。通過分(fen)析(xi)能(neng)(neng)(neng)源數據(ju)(ju)，可以了解(jie)能(neng)(neng)(neng)源市場的(de)發展趨勢、評估能(neng)(neng)(neng)源供需狀況、制定能(neng)(neng)(neng)源政(zheng)策和規劃等(deng)。同時，能(neng)(neng)(neng)源數據(ju)(ju)也可以幫助評估能(neng)(neng)(neng)源的(de)可持續性和環境(jing)影響，指導能(neng)(neng)(neng)源的(de)合理利用和保護。因此(ci)，能(neng)(neng)(neng)源數據(ju)(ju)的(de)準(zhun)確(que)性、及(ji)時性和可靠性是至關重要(yao)的(de)。
能源數據發展歷程
能(neng)源(yuan)(yuan)(yuan)數據的(de)(de)(de)發(fa)展(zhan)歷程(cheng)可以(yi)追溯(su)到工業革命以(yi)后，隨著能(neng)源(yuan)(yuan)(yuan)產業的(de)(de)(de)興起(qi)和能(neng)源(yuan)(yuan)(yuan)需求的(de)(de)(de)不斷(duan)增(zeng)長(chang)，人們對能(neng)源(yuan)(yuan)(yuan)數據的(de)(de)(de)需求也逐漸增(zeng)加。以(yi)下是(shi)能(neng)源(yuan)(yuan)(yuan)數據發(fa)展(zhan)的(de)(de)(de)主要(yao)階段：
- 初期數據收集階段（19 世紀末 – 20 世紀初）：在 19 世紀末至 20 世紀初期，隨著煤炭、石油和天然氣等化石能源的廣泛應用，人們開始對能源數據進行收集和整理。最早的能源數據是通過能源生產和銷售的統計記錄得到的，包括煤炭和石油的產量、進口和出口數據等。
- 國家統計數據階段（20 世紀 20 年代 – 50 年代）：在 20 世紀 20 年代至 50 年代，各國建立了統一的統計體系，并開始對能源數據進行系統的收集和發布。國家統計機構成為能源數據的主要來源，能源產量、消費、進出口、價格等數據得到了較為全面和規范的統計。
- 國際組織數據發布階段（20 世紀 60 年代 – 90 年代）：在 20 世紀 60 年代至 90 年代，隨著能源市場的國際化和全球化，國際組織開始發布能源數據，如國際能源署（IEA）和聯合國能源組織（UN Energy）等。這些組織通過調查和研究，提供了跨國和全球范圍的能源數據，為國際能源合作和政策制定提供了重要的依據。
- 全球能源數據互聯網時代（21 世紀至今）：隨著互聯網的快速發展和信息技術的進步，能源數據的獲取和分享變得更加便捷和廣泛。能源數據的發布逐漸向開放數據平臺和在線數據庫轉移，人們可以通過各種渠道和工具獲取和分析能源數據。同時，數據科學和人工智能的發展也為能源數據的分析和應用提供了更多的可能性。
在能(neng)源(yuan)數(shu)(shu)據(ju)的(de)(de)發展過程中，數(shu)(shu)據(ju)的(de)(de)準(zhun)確(que)性(xing)、標(biao)(biao)準(zhun)化和(he)可(ke)比性(xing)成為重要(yao)的(de)(de)問題。各國和(he)國際組織致力于制定統一的(de)(de)數(shu)(shu)據(ju)標(biao)(biao)準(zhun)和(he)指標(biao)(biao)體系，以確(que)保(bao)數(shu)(shu)據(ju)的(de)(de)質(zhi)量(liang)和(he)可(ke)靠性(xing)。此外(wai)，能(neng)源(yuan)數(shu)(shu)據(ju)的(de)(de)時效(xiao)性(xing)和(he)更新性(xing)也變得越來越重要(yao)，以滿足(zu)實(shi)時決(jue)策(ce)和(he)監測能(neng)源(yuan)市場的(de)(de)需求。
總的來說，能(neng)源數據(ju)的發展歷程反映了(le)人們對(dui)能(neng)源信息的需求和(he)對(dui)能(neng)源市場的關注程度的提高，也為能(neng)源決策和(he)能(neng)源管理提供(gong)了(le)更多的科學(xue)依據(ju)。
能源數據的特征
能(neng)源數(shu)(shu)據(ju)通(tong)(tong)常(chang)是(shi)通(tong)(tong)過能(neng)源設備、傳感器(qi)(qi)和(he)測(ce)量儀(yi)器(qi)(qi)等(deng)(deng)采集和(he)記(ji)錄(lu)(lu)的(de)，它(ta)包括(kuo)能(neng)源的(de)生產、傳輸、分配和(he)使用等(deng)(deng)方面的(de)數(shu)(shu)據(ju)，這些數(shu)(shu)據(ju)通(tong)(tong)常(chang)具有時(shi)序數(shu)(shu)據(ju)的(de)特征(zheng)。時(shi)序數(shu)(shu)據(ju)是(shi)按照時(shi)間順(shun)序排列(lie)的(de)數(shu)(shu)據(ju)，能(neng)夠記(ji)錄(lu)(lu)和(he)反映隨(sui)時(shi)間變化的(de)特征(zheng)和(he)趨(qu)勢(shi)。能(neng)源數(shu)(shu)據(ju)的(de)產生往往與時(shi)間相關，例如電(dian)力的(de)用電(dian)量、發電(dian)廠(chang)的(de)發電(dian)量、風力發電(dian)機的(de)風速等(deng)(deng)。
這(zhe)些(xie)數(shu)據(ju)通常以時(shi)(shi)間(jian)戳作為標識，可以按照時(shi)(shi)間(jian)維(wei)度進行分析(xi)和(he)處(chu)理，既(ji)包括(kuo)歷(li)史數(shu)據(ju)，反(fan)映了(le)過去(qu)的能源(yuan)產業和(he)消費情況(kuang)；也包括(kuo)實時(shi)(shi)數(shu)據(ju)，反(fan)映了(le)當前的能源(yuan)供需狀況(kuang)。同時(shi)(shi)，能源(yuan)數(shu)據(ju)還(huan)具有地域(yu)性，不(bu)同國家和(he)地區的能源(yuan)數(shu)據(ju)可能存在差異和(he)特點。
此外(wai)，能源數據(ju)(ju)還具有以下時序數據(ju)(ju)的特(te)征：
- 時間連續性：能源數據通常以連續的時間序列形式存在，例如每小時、每天或每月的能源用量數據。這種連續性使得能夠對能源數據進行時間序列分析和預測。
- 周期性：能源數據往往具有一定的周期性。例如，電力消耗在一天中的不同時間段可能存在顯著的波動，太陽能發電的產量可能隨著白天和晚上的變化而變化。這種周期性可以通過時序數據分析方法來識別和利用。
- 實時性：能源數據的產生和更新通常是實時的，能夠及時反映能源的生產和使用情況。這要求對能源數據進行實時監測、處理和分析，以便及時采取相應的措施。
- 大數據量：能源數據通常涉及到大量的數據量。由于能源是一個龐大而復雜的系統，需要收集和分析大量的數據才能全面了解能源市場的情況和趨勢。
綜上所述(shu)，能源數(shu)據(ju)是通過采集(ji)和(he)記錄(lu)能源相關設備(bei)和(he)儀器產生的(de)，具有時序數(shu)據(ju)的(de)特征，可以按照時間(jian)維(wei)度進行分(fen)析和(he)處理，以揭(jie)示(shi)能源的(de)特征和(he)趨勢，并支持(chi)能源決(jue)策和(he)管理。
當下，隨著能源行業的發展，能源企業在處理大規模時序數據方面面臨著一系列挑戰，這些挑戰也阻礙了業務發展進程。在這種背景下，在應對時序數據處理上更為專業的時序數據庫（Time Series Database，TSDB），如 TDengine，逐(zhu)漸成為眾多能(neng)源企業(ye)關注的焦點，特別是(shi)那些面(mian)臨數字化轉型需(xu)求(qiu)的企業(ye)。
能源數據的處理流程
能源數據的處理(li)流程通常包括以下步驟(zou)：
- 數據收集：收集能源相關的數據，包括供應量、需求量、價格、消費者行為等各種指標。數據可以來自各個渠道，包括政府部門、能源公司、研究機構等。
- 數據清洗：對收集到的數據進行清洗和整理，包括去除重復數據、處理缺失值、修正錯誤值等。確保數據的準確性和完整性。
- 數據存儲：將清洗后的數據存儲到數據庫或數據倉庫中，以便后續的分析和使用。選擇合適的存儲方式可以提高數據的訪問效率和可靠性。
- 數據分析：使用統計學和機器學習等方法對能源數據進行分析，探索數據之間的關系和趨勢。這可以幫助了解能源市場的供需情況、預測未來的能源需求等。
- 數據可視化：將分析結果可視化，以圖表、圖像等形式展示數據的洞察力。這有助于在決策過程中更好地理解和解釋數據。
- 數據應用：將分析和可視化結果應用于實際問題中，例如能源政策制定、市場預測、資源配置等。根據需求，可以采取不同的應用方式，如報告、決策支持系統、智能能源管理系統等。
需(xu)要注意的(de)是，能(neng)源(yuan)數據的(de)處(chu)理(li)流(liu)程可能(neng)因數據來(lai)源(yuan)和(he)具(ju)體需(xu)求而有(you)所不同。不同的(de)數據處(chu)理(li)工具(ju)和(he)技術也可以根據具(ju)體情(qing)況(kuang)進(jin)行選擇和(he)應(ying)用(yong)。
能源數據處理面臨的挑戰
伴隨(sui)新能源物聯網(wang)的發展，生(sheng)產(chan)、分配、消耗等各個方面由設備(bei)及傳感器所產(chan)生(sheng)的時序數(shu)據(ju)(ju)量越(yue)來越(yue)大(da)，嚴重挑戰(zhan)傳統的以關(guan)系型(xing)數(shu)據(ju)(ju)庫為核心的解決(jue)方案，數(shu)據(ju)(ju)處理性(xing)能低下、數(shu)據(ju)(ju)架構臃(yong)腫(zhong)、存儲(chu)成本高昂等問題頻發，如(ru)何應對大(da)數(shu)據(ju)(ju)量下的數(shu)據(ju)(ju)存儲(chu)、查詢(xun)、分析，成為了能源企業(ye)目前迫切需要(yao)解決(jue)的難點，數(shu)字化轉(zhuan)型(xing)升級(ji)迫在眉(mei)睫。
具體來(lai)說，能源(yuan)數據處(chu)理面臨的問題主要包括以下幾個方面：
- 傳統數據庫難以應對大規模數據：能源行業的數據量通常非常龐大，傳統的關系型數據庫在處理大規模數據時性能和擴展性較差，往往無法滿足能源企業的需求。這導致數據的存儲、查詢和分析變得困難和低效。
- 大數據組件復雜，開發運維成本高：針對大規模數據處理，能源企業可能會采用大數據技術組件，如 Hadoop、Spark 等。然而，這些組件的配置和管理相對復雜，需要專業的技術團隊進行開發和運維，增加了企業的成本和風險。
- 分析和查詢實時性要求難以滿足：能源行業需要對數據進行實時分析和查詢，以及時發現問題和做出決策。然而，傳統的數據處理方法往往無法滿足實時性要求，導致分析和查詢結果的響應時間較長。
- 能源行業安全要求高，有國產化需求：能源數據的安全性是能源企業關注的重要問題。在國家對數據保護和信息安全要求越來越高的背景下，能源企業對于數據的安全性和控制權有更高的要求，因此需要具備國產化的數據處理解決方案。
- 跨區跨隔離數據同步麻煩，實時性響應差：能源企業通常分布在不同的地理區域，跨區跨隔離的數據同步成為一個挑戰。傳統的數據同步方法往往需要耗費大量的時間和資源，導致實時性響應較差，無法滿足能源企業對于數據的及時性要求。
為應對這些問題，諸多能源企業考慮采用新一代的時序數據庫解決方案，如 TDengine。TDengine 具備高(gao)(gao)性(xing)能(neng)(neng)、高(gao)(gao)可(ke)擴(kuo)展性(xing)和實時處理能(neng)(neng)力(li)，能(neng)(neng)夠(gou)應(ying)對大規(gui)模能(neng)(neng)源數(shu)(shu)據(ju)(ju)的處理需求；支持多節點部署和數(shu)(shu)據(ju)(ju)同步機(ji)制，能(neng)(neng)夠(gou)實現(xian)跨(kua)區跨(kua)隔離的數(shu)(shu)據(ju)(ju)同步，提(ti)高(gao)(gao)數(shu)(shu)據(ju)(ju)的實時性(xing)響應(ying)能(neng)(neng)力(li)。此外，它還提(ti)供了國產化的解(jie)決方案，滿足能(neng)(neng)源行(xing)業對于數(shu)(shu)據(ju)(ju)安全和控制權(quan)的要求。
能源數據處理有效的解決方案
以(yi)下是一(yi)些(xie)能源數(shu)據處理(li)和分(fen)析的挑戰和應對方(fang)法(fa)：
- 數據存儲和管理：由于能源數據的大規模，傳統的存儲和管理方法可能無法滿足需求。時序數據庫如 TDengine 提供了高效的時序數據存儲和管理能力，能夠應對大規模能源數據的存儲需求。
- 數據清洗和預處理：在時序數據的處理中，經常要對原始數據進行清洗、預處理，再使用時序數據庫進行長久的儲存。在傳統的時序數據解決方案中，常常需要部署 Kafka、Flink 等流處理系統。而流處理系統的復雜性，帶來了高昂的開發與運維成本。TDengine 3.0 的提供了實時處理寫入的數據流的能力，還能夠支持亂序數據的寫入。
- 數據分析和建模：能源數據的分析需要使用高效的算法和工具。例如，時間序列分析、機器學習和人工智能等方法可以應用于能源數據的分析和建模，以提取有價值的信息和進行預測。從時序數據特征出發，TDengine 創新式打造了“超級表”和“一個數據采集點一張表”的建模方式，讓數據整合和關聯操作更加便捷。
- 可視化和報告：能源數據的可視化和報告對于決策者和利益相關者來說非常重要。通過可視化工具和報告系統，能源數據可以以直觀和易于理解的方式呈現，幫助用戶更好地理解和利用數據。除了和 一類的第三方可視化工具進行集成，TDengine 還打造了自己的可視化監控工具 、，為開發者實時監控 TDengine 集群運行狀態提供了便利。
當前，TDengine 已經應用在眾多能(neng)源企業的(de)(de)(de)數據架(jia)構(gou)改造項目(mu)中，它的(de)(de)(de)引入(ru)幫助這(zhe)些(xie)能(neng)源項目(mu)顯(xian)著(zhu)減少了組件數量，簡(jian)化了架(jia)構(gou)的(de)(de)(de)復雜度，降低存儲(chu)成本的(de)(de)(de)同時(shi)業務響應實時(shi)性也有所(suo)提升，業務寫入(ru)、查詢和分析的(de)(de)(de)實時(shi)性要求(qiu)也得到了保障。
具體來講，TDengine 提(ti)(ti)供(gong)的(de)(de)(de)(de)極簡架構(gou)使(shi)能(neng)源企業在數(shu)(shu)據(ju)(ju)處理方面能(neng)夠(gou)輕松進(jin)行(xing)運(yun)維(wei)和管(guan)理；高效(xiao)數(shu)(shu)據(ju)(ju)存儲和即席查詢分(fen)析功能(neng)，讓能(neng)源企業擺脫(tuo)了(le)(le)繁瑣的(de)(de)(de)(de)中(zhong)間(jian)庫和中(zhong)間(jian)表(biao)，提(ti)(ti)高了(le)(le)數(shu)(shu)據(ju)(ju)處理的(de)(de)(de)(de)效(xiao)率。同(tong)時，它還(huan)提(ti)(ti)供(gong)豐富的(de)(de)(de)(de)接口支(zhi)持和強大的(de)(de)(de)(de)聚合函數(shu)(shu)、窗口函數(shu)(shu)，方便用戶進(jin)行(xing)更加靈(ling)活(huo)和高級的(de)(de)(de)(de)數(shu)(shu)據(ju)(ju)分(fen)析。此(ci)外，TDengine 還(huan)提(ti)(ti)供(gong)了(le)(le)自(zi)帶的(de)(de)(de)(de)邊緣協同(tong)組件，使(shi)能(neng)源企業能(neng)夠(gou)輕松實(shi)現跨隔離的(de)(de)(de)(de)數(shu)(shu)據(ju)(ju)同(tong)步(bu)，提(ti)(ti)高數(shu)(shu)據(ju)(ju)的(de)(de)(de)(de)實(shi)時性和響(xiang)應能(neng)力。
總而言之，處理和分析大規模和復雜的能源數據需要使用如 TDengine 一(yi)般高效(xiao)的(de)數(shu)據庫(ku)工具(ju)。它(ta)們可以幫助能源企(qi)業克服數(shu)據挑戰，從而更(geng)好地利用能源數(shu)據，提高能源效(xiao)率(lv)、優化資源配(pei)置和推(tui)動能源行業的(de)轉型(xing)和發展。
能源數據處理相關案例
中節能電力發電運維系統 x TDengine
“目前基于 TDengine 我們構建了中節能風電運維平臺，使用后數據存儲優勢明顯，整體壓縮比在 7-8 倍，數據查詢也實現了秒級響應。未來我們考慮在每個風電場站的三區部署一個單節點 TDengine，作用不只是采集(ji)和轉發，還要起到時序數據質量治理以及實(shi)時模型(xing)預測的功能；而在集(ji)團側我們會考(kao)慮基(ji)于 TDengine 構(gou)建更(geng)多更(geng)復雜的計(ji)算(suan)指標(biao)和高級模型(xing)；同時還要和任務調度引(yin)擎以及風電行業標(biao)準集(ji)成。”
業務背景
盡管中節能風力發電股份有限公司具備成熟的風電開發和運維經驗，但隨著在建風場逐步增多以及各類新型傳感器的加裝，傳統運維方式越發吃力，嚴重限制業務發展。順應時代潮流，數字化智能化的需求越來越強烈，其迫切需要基于海量時序數據的數據平臺來支撐繁雜的運維工作。在選型調研工作中，中節能最初嘗試使用傳統的工控時序數據庫，但隨著測點數量的增多，單機版架構已經無力支撐，后期他們嘗試了 InfluxDB 和 OpenTSDB 等分布式架構的時序數據庫，但性能又達不到要求。經過反復對比測試以及應用適配后，最終其選定 TDengine 作為數據平臺的(de)時序數據解(jie)決方案。
架構圖
上海電氣儲能智慧運維系統 x TDengine
“在使用 InfluxDB 一周以后執行查詢，內存使用率達到了 80%，并且過了十分鐘也沒出來結果，已經完全不適合業務使用。而在使用了 TDengine 近 1 個月后，使用相同的 SQL 語句，查詢只需要 0.2 秒，表現非常優異。在壓縮方面，在采集點數量相同的情況下，壓縮后的數據量 TDengine 是 InfluxDB 的 1/3。”
業務背景
圍繞“一芯 3S”核心產品鏈，上海電氣著手構建儲能核心競爭力，“SmartOPS 儲能智慧運維系統”就作為其中的關鍵組成部分，旨在實現全面監測、預測性維護、熱管理分析等高級應用。在本地部署中，該系統需要重點考慮本地硬件資源的限制，如站端系統的內存、CPU 以及讀寫性能等，選擇合適的時序數據庫成為破解問題的關鍵。在對 OpenTSDB、InfluxDB、Apache IoTDB、TDengine、ClickHouse 幾款數據庫進行對比測試后，其嘗試在系統中落地了 TDengine。
八五信息新能源電力物聯網平臺 x TDengine
“在應用 TDengine 之后，系統(tong)(tong)(tong)讀寫性(xing)能較(jiao)(jiao)原(yuan)(yuan) TimescaleDB 數(shu)據(ju)庫提高(gao) 10 倍(bei)左(zuo)右(you)，在數(shu)據(ju)接入層我(wo)們不用再擔(dan)心數(shu)據(ju)庫的寫入性(xing)能瓶頸(jing)；數(shu)據(ju)分析(xi)(xi)查詢(xun)應(ying)用層也較(jiao)(jiao)原(yuan)(yuan)系統(tong)(tong)(tong)有(you)較(jiao)(jiao)大提升，尤(you)其是在時間跨度大的聚(ju)合類分析(xi)(xi)幾(ji)乎瞬間響應(ying)。在軟硬(ying)件方面，TDengine 幫助(zhu)我(wo)們節省了系統(tong)(tong)(tong)大量的計算資源(yuan)(yuan)以及存儲(chu)資源(yuan)(yuan)，較(jiao)(jiao)原(yuan)(yuan)系統(tong)(tong)(tong)降低了大約 4 倍(bei)左(zuo)右(you)的存儲(chu)成本。”
平臺架構
水電廠畸變波形分析及故障預判系統 x TDengine
“TDengine 在該項目中順利投入使用(yong)，在現(xian)場運行(xing)環境的表現(xian)，如同我們的驗證測(ce)試(shi)一樣(yang)，擁有優異的寫入能力和快速的查(cha)詢能力，可以有力地(di)支撐系統對原始信號數據進行(xing)進一步的分析與應用(yong)。”
業務背景
計算機監控系統和機組穩定性監測分析系統，主要是從振動、氣隙等狀態量對主機設備的運行狀態進行監測和評估，其核心需求是將全廠的電力系統各元件納入系統的監測，并存儲高采樣率的原始信號數據，初步估算全廠電力系統元件 1 天即可產生 1.7TB 字節數據量，數據存儲難題橫亙眼前，在經過反復對比測試后，其決定將 TDengine 正式引入該項目。
時序(xu)(xu)(xu)數據(ju)(ju)(ju)(ju)庫(ku)的(de)(de)設計和(he)(he)優(you)化都是(shi)根(gen)據(ju)(ju)(ju)(ju)時序(xu)(xu)(xu)數據(ju)(ju)(ju)(ju)特點而來，在(zai)面對具備時序(xu)(xu)(xu)數據(ju)(ju)(ju)(ju)特征的(de)(de)海量能(neng)(neng)(neng)源(yuan)數據(ju)(ju)(ju)(ju)處(chu)理需(xu)求時，時序(xu)(xu)(xu)數據(ju)(ju)(ju)(ju)庫(ku)顯然更加有(you)針對性，而以上企業(ye)(ye)的(de)(de)事實證明(ming)，在(zai)能(neng)(neng)(neng)源(yuan)行業(ye)(ye)中，時序(xu)(xu)(xu)數據(ju)(ju)(ju)(ju)庫(ku)的(de)(de)應用能(neng)(neng)(neng)夠有(you)效增加系統的(de)(de)各方面性能(neng)(neng)(neng)，降(jiang)低研發(fa)和(he)(he)運維(wei)成本(ben)(ben)，真正(zheng)幫助企業(ye)(ye)實現(xian)降(jiang)本(ben)(ben)增效。也只有(you)當能(neng)(neng)(neng)源(yuan)數據(ju)(ju)(ju)(ju)得到(dao)了(le)高效處(chu)理，它才(cai)能(neng)(neng)(neng)為能(neng)(neng)(neng)源(yuan)決(jue)策和(he)(he)政(zheng)策制定提供更具有(you)價值的(de)(de)科學依據(ju)(ju)(ju)(ju)。
參考文獻
[1] 《》.陳瑞
[2] 《》.鮑俊如 金瑩 熊亮
[3]《》.李方軍 宋曦 趙博 袁昊 金銘
[4]《研發了 5 年的時序數據庫，到底要解決什么問題？》.陶建輝
[5]《單機每秒百萬記錄、毫秒級延遲，TDengine 3.0 流處理引擎全面解析》.劉繼聰
[6] 能源數據領域案例 —《TDengine 在水電廠畸變波形分析及故障預判系統中的應用》.深圳雙(shuang)合電機監測和(he)故(gu)障預測產品研(yan)發團(tuan)隊
[7] 能源數據領域案例 —《代替 TimescaleDB，TDengine 接管數據量日增 40 億條的光伏日電系統》.李良政
[8] 能源(yuan)數據領域案例 —《》.上海電(dian)氣 SmartOPS團(tuan)隊
[9] 能源數據領域案例 —《TDengine 在中節能風力發電運維系統中的落地實踐》.潘文彪
相關文章
